최근 들어 그 심각성을 더하고 있는 이상기후 현상으로 가용 수자원의 변동이 커지고 있으며, 이에 따라 수자원의 효율적인 운영이 요구되고 있다. 그러나 효율적인 운영을 위해서는 미래 유입량의 불확실성의 고려하고, 홍수 조절용량의 확보하면서도, 용수공급을 위한 저수량을 확보하고, 수력 발전을 해야 하는 복잡한 상황을 모두 고려하여야한다. 이러한 복잡한 시스템에서 하나의 최적화 기법으로는 모든 고려사항들을 만족시키는 최적해를 찾는 것은 사실상 불가능에 가깝다. 그러므로 저수지 운영의 최적화를 위한 연구에서 한 가지 이상의 기법을 조합하는 기법을 사용하게 되었다. 이러한 기법은 각 기법의 장점을 취하고 각각의 한계를 극복하기 위해 주로 사용되었다. 본 연구에서는 저수지 운영 최적화를 모의하기 위하여 대청댐에서의 저수위, 유입량, 용수이용량 등을 고려하여 방류량의 예측을 동적 계획법(Dynamic Programming Model)으로부터 동적 신경망(Dynamic Neural Network Model)과 적응 퍼지 제어기법(Adaptive Neuro-Fuzzy Inference System)을 개발하여 실제 방류량과 세 가지 최적화 방법에 의한 결과를 비교 검정하였다. 본 연구의 수행으로 인해 얻어진 결과를 요약하면 다음과 같다. 첫째, 동적 신경망과 적응 퍼지 제어기법에 의한 최적화 모의가 동적 계획법에 비해 시스템의 구축이 쉽고 유연하다. 둘째, 퍼지추론의 Membership 함수의 구축에 따라 단시간에 많은 양의 강우가 발생하는 국지성 강우에 대해서도 최적 방류량을 예측할 수 있다. 셋째, 저수지 운영 과거자료의 부족과 불확실성을 해결하면, 보다 용이하고 양호한 예측결과를 얻을 수 있을 것이다.
Signals of the Electroencephalogram (EEG) can reflect the electrical background activity of the brain generated by the cerebral cortex nerve cells. This has been the mostly utilized signal, which helps in effective analysis of brain functions by supervised learning methods. In this paper, an approach for improving the accuracy of EEG signal classification is presented to detect epileptic seizures. Moreover, Independent Component Analysis (ICA) is incorporated as a preprocessing step and Short Time Fourier Transform (STFT) is used for denoising the signal adequately. Feature extraction of EEG signals is accomplished on the basis of three parameters namely, Standard Deviation, Correlation Dimension and Lyapunov Exponents. The Artificial Neural Network (ANN) is trained by incorporating Levenberg-Marquardt(LM) training algorithm into the backpropagation algorithm that results in high classification accuracy. Experimental results reveal that the methodology will improve the clinical service of the EEG recording and also provide better decision making in epileptic seizure detection than the existing techniques. The proposed EEG signal classification using feed forward Backpropagation Neural Network performs better than to the EEG signal classification using Adaptive Neuro Fuzzy Inference System (ANFIS) classifier in terms of accuracy, sensitivity, and specificity.
International Journal of Naval Architecture and Ocean Engineering
/
제4권2호
/
pp.112-122
/
2012
The damage analysis of coastal structure is very important as it involves many design parameters to be considered for the better and safe design of structure. In the present study experimental data for non-reshaped berm breakwater are collected from Marine Structures Laboratory, Department of Applied Mechanics and Hydraulics, NITK, Surathkal, India. Soft computing techniques like Artificial Neural Network (ANN), Support Vector Machine (SVM) and Adaptive Neuro Fuzzy Inference system (ANFIS) models are constructed using experimental data sets to predict the damage level of non-reshaped berm breakwater. The experimental data are used to train ANN, SVM and ANFIS models and results are determined in terms of statistical measures like mean square error, root mean square error, correla-tion coefficient and scatter index. The result shows that soft computing techniques i.e., ANN, SVM and ANFIS can be efficient tools in predicting damage levels of non reshaped berm breakwater.
The use of waste materials as a binder or aggregate in the concrete mixture is a great step towards sustainability in the construction industry. Waste rubber (WR) can be used as coarse and fine aggregates in concrete and improves the crack resistance, impact resistance, and fatigue life of the produced concrete. However, the mechanical properties of rubberized concrete degrade significantly by replacing the natural aggregate with WR. To have accurate estimations of the mechanical properties of rubberized concrete, two machine learning methods consisting of artificial neural network (ANN) and neuro-fuzzy system (NFS) were served in this study. To do this, a comprehensive dataset was collected from reliable literature, and two scenarios were addressed for the selection of input variables. In the first scenario, the critical ratios of the rubberized concrete and the concrete age were considered as the input variables. In contrast, the mechanical properties of concrete without WR and the percentage of aggregate volume replaced by WR were assumed as the input variables in the second scenario. The results show that the first scenario models outperform the models proposed by the second scenario. Moreover, the developed ANN models are more reliable than the proposed NFS models in most cases.
Zhihua Xiong;Zhuoxi Liang;Xuyao Liu;Markus Feldmann;Jiawen Li
Steel and Composite Structures
/
제48권5호
/
pp.531-545
/
2023
Composite dowels are implemented as a powerful alternative to headed studs for the efficient combination of Ultra High-Performance Concrete (UHPC) with high-strength steel in novel composite structures. They are required to provide sufficient shear resistance and ensure the transmission of tensile forces in the composite connection in order to prevent lifting of the concrete slab. In this paper, the load bearing capacity of puzzle-shaped and clothoidal-shaped dowels encased in UHPC specimen were investigated based on validated experimental test data. Considering the influence of the embedment depth and the spacing width of shear dowels, the characteristics of UHPC square plate on the load bearing capacity of composite structure, 240 numeric models have been constructed and analyzed. Three artificial intelligence approaches have been implemented to learn the discipline from collected experimental data and then make prediction, which includes Artificial Neural Network-Particle Swarm Optimization (ANN-PSO), Adaptive Neuro-Fuzzy Inference System (ANFIS) and an Extreme Learning Machine (ELM). Among the factors, the embedment depth of composite dowel is proved to be the most influential parameter on the load bearing capacity. Furthermore, the results of the prediction models reveal that ELM is capable to achieve more accurate prediction.
Elliptical concrete-filled steel tubular (CFST) column is widely used in modern structures for both aesthetical appeal and structural performance benefits. The ultimate axial load is a critical factor for designing the elliptical CFST short columns. However, there are complications of geometric and material interactions, which make a difficulty in determining a simple model for predicting the ultimate axial load of elliptical CFST short columns. This study aims to propose an efficient adaptive neuro-fuzzy inference system (ANFIS) model for predicting the ultimate axial load of elliptical CFST short columns. In the proposed method, the ANFIS model is used to establish a relationship between the ultimate axial load and geometric and material properties of elliptical CFST short columns. Accordingly, a total of 188 experimental and simulation datasets of elliptical CFST short columns are used to develop the ANFIS models. The performance of the proposed ANFIS model is compared with that of existing design formulas. The results show that the proposed ANFIS model is more accurate than existing empirical and theoretical formulas. Finally, an explicit formula and a Graphical User Interface (GUI) tool are developed to apply the proposed ANFIS model for practical use.
Maximum shear modulus (Gmax or G0) is an important soil property useful for many engineering applications, such as the analysis of soil-structure interactions, soil stability, liquefaction evaluation, ground deformation and performance of seismic design. In the current study, bender element (BE) tests are used to evaluate the effect of the void ratio, effective confining pressure, grading characteristics (D50, Cu and Cc), anisotropic consolidation and initial fabric anisotropy produced during specimen preparation on the Gmax of sand-gravel mixtures. Based on the tests results, an empirical equation is proposed to predict Gmax in granular soils, evaluated by the experimental data. The artificial neural network (ANN) and Adaptive Neuro Fuzzy Inference System (ANFIS) models were also applied. Coefficient of determination (R2) and Root Mean Square Error (RMSE) between predicted and measured values of Gmax were calculated for the empirical equation, ANN and ANFIS. The results indicate that all methods accuracy is high; however, ANFIS achieves the highest accuracy amongst the presented methods.
The Collapse Margin Ratio (CMR) is a notable index used for seismic assessment of the structures. As proposed by FEMA P695, a set of analyses including the Nonlinear Static Analysis (NSA), Incremental Dynamic Analysis (IDA), together with Fragility Analysis, which are typically time-taking and computationally unaffordable, need to be conducted, so that the CMR could be obtained. To address this issue and to achieve a quick and efficient method to estimate the CMR, the Artificial Neural Network (ANN), Response Surface Method (RSM), and Adaptive Neuro-Fuzzy Inference System (ANFIS) will be introduced in the current research. Accordingly, using the NSA results, an attempt was made to find a fast and efficient approach to derive the CMR. To this end, 5016 IDA analyses based on FEMA P695 methodology on 114 various Reinforced Concrete (RC) frames with 1 to 12 stories have been carried out. In this respect, five parameters have been used as the independent and desired inputs of the systems. On the other hand, the CMR is regarded as the output of the systems. Accordingly, a double hidden layer neural network with Levenberg-Marquardt training and learning algorithm was taken into account. Moreover, in the RSM approach, the quadratic system incorporating 20 parameters was implemented. Correspondingly, the Analysis of Variance (ANOVA) has been employed to discuss the results taken from the developed model. Additionally, the essential parameters and interactions are extracted, and input parameters are sorted according to their importance. Moreover, the ANFIS using Takagi-Sugeno fuzzy system was employed. Finally, all methods were compared, and the effective parameters and associated relationships were extracted. In contrast to the other approaches, the ANFIS provided the best efficiency and high accuracy with the minimum desired errors. Comparatively, it was obtained that the ANN method is more effective than the RSM and has a higher regression coefficient and lower statistical errors.
현재 우리나라는 자동차 보유대수가 지속적으로 증가함에 따라 교통 혼잡 문제와 환경 문제가 심각한 실정이다. 환경적으로 지속가능한 교통과 녹색 교통수단에 대한 관심이 증대되면서 최근 정부는 자전거이용 활성화 정책을 추진하고 있다. 이에 맞추어 자전거 이용자들이 느끼는 서비스수준을 분석할 수 있는 모형의 개발이 요망된다. 본 연구에서는 자전거도로 이용자들에 영향을 미치는 인자들 중 퍼지적 성격을 지닌 자전거도로 폭, 대면횟수, 보행자 교통량을 선택하여 자전거도로 서비스수준 분석을 위한 ANFIS 모형을 구축하였다. 이렇게 구축된 모형의 예측력은 실측치와 추론치를 비교함으로써 평가하였다. 결정계수 $R^2$와 오차 및 분산정도를 나타내는 척도인 평균절대오차(MAE)와 평균제곱근오차(MSE)가 각각 0.987, 0.142, 0.032로 나타났으며, 모형의 설명력이 높은 것으로 평가된다. 본 연구에서의 자전거도로 서비스수준이 KHCM에 의한 평가치보다 1~3단계 낮게 나타났다. 이는 본 연구에서 추정 된 서비스수준이 보행자 교통량 이외에 자전거도로 폭과 대면횟수를 고려한 이용자가 느끼는 만족도에 기초하여 서비스수준을 도출하였기 때문으로 판단된다.
오존농도 메커니즘은 매우 복잡하고, 비선형성과 비정상성이 강하기 때문에 오존 예보시스템들은 많은 문제점을 가지고 있다. 특히 고농도 오존에 있어서 예측결과들이 성능이 좋지 않다. 본 논문은 뉴로-퍼지기법과 퍼지 클러스터링을 이용한 오존 예측시스템의 모델링 방법을 설명하고자 한다. GMDH의 전형적인 알고리즘에 기초한 동적 다항식 신경망은 데이터 분석, 비선형적이고 복잡한 시스템의 검증 그리고 동적 시스템의 예측을 위한 유용한 방법이다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.